1.png)
KOMPARASI METODE SVM DAN C4.5 DENGAN BACKWARD ELIMINATION UNTUK KLASIFIKASI STRES
Abstract
Kesehatan mental mahasiswa menjadi perhatian penting dalam dunia pendidikan, terutama terkait tingkat stres yang dialami selama proses akademik yang dapat berdampak pada prestasi dan kesejahteraan mereka. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan C4.5 dalam mengklasifikasikan tingkat stres mahasiswa guna menentukan metode yang lebih optimal. Penelitian ini menggunakan dataset dari Kaggle yang berisi 1.100 data mahasiswa dengan 20 atribut penyebab stres. Data tersebut diproses melalui tahapan normalisasi menggunakan MinMax Scaling dan seleksi fitur dengan metode Backward Elimination untuk mengoptimalkan model. Klasifikasi tingkat stres dibagi ke dalam tiga kategori: ringan, sedang, dan berat. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan bahwa algoritma SVM memberikan akurasi tertinggi sebesar 91% dengan nilai presisi, recall, dan F1-score yang konsisten, sementara algoritma C4.5 menghasilkan akurasi 90% dengan hasil evaluasi yang serupa. Temuan ini menegaskan bahwa SVM lebih unggul dalam mengklasifikasikan tingkat stres mahasiswa dibandingkan C4.5. Kesimpulan dari penelitian ini adalah bahwa penerapan machine learning, khususnya SVM, dapat menjadi pendekatan efektif untuk deteksi dini tingkat stres mahasiswa dan berpotensi digunakan sebagai dasar pengembangan sistem pendukung keputusan dalam upaya pencegahan masalah kesehatan mental di lingkungan pendidikan.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
S. A. Farika, M. N. Mirza, and A. N. Romas, “Promosi Kesehatan tentang Pentingnya Menjaga Kesehatan Mental pada Remaja,” J. Pengabdi. dan Pemberdaya. Kesehat., vol. 1, no. 1, pp. 69–77, Jun. 2024, doi: 10.70109/jupenkes.v1i1.10.
H. Dwi Putra, L. Khairani, D. Hastari, P. Studi Sistem Informasi, F. Sains dan Teknologi, and C. Author, “SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat Comparison of Naive Bayes Classifier and Support Vector Machine Algorithms for Classifying Student Mental Health Data Perbandingan Algoritma Naive Bayes Classifier dan Support Vector Machine ,” SENTIMAS Semin. Nas. Penelit. dan Pengabdi. Masy., pp. 120–125, 2023.
N. Fathirachman Mahing, A. Lazuardi Gunawan, A. Foresta Azhar Zen, F. Abdurrachman Bachtiar, and S. Agung Wicaksono, “Klasifikasi Tingkat Stress dari Data Berbentuk Teks dengan Menggunakan Algoritma Support Vector Machine (SVM) dan Random Forest,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 5, pp. 1067–1076, Oct. 2024, doi: 10.25126/jtiik.1078010.
W. Kurniawati and R. Setyaningsih, “Manajemen Stress Pada Mahasiswa Tingkat Akhir dalam Penyusunan Skripsi,” J. An-Nur Kaji. Pendidik. dan Ilmu Keislam., vol. 5, no. 3, pp. 248–253, 2020.
M. Sutjiato and G. D. K. a a T. Tucunan, “Hubungan Faktor Internal dan Eksternal dengan Tingkat Stress pada Mahasiswa Fakultas Kedokteran Universitas Sam Ratulangi Manado,” Jikmu, vol. 5, no. 1, pp. 30–42, 2015.
S. Bahri, D. Marisa Midyanti, R. Hidayati, J. Sistem Komputer, and F. Mipa, “Perbandingan Algoritma Naive Bayes dan C4.5 Untuk Klasifikasi Penyakit Anak,” Semin. Nas. Apl. Teknol. Inf., pp. 11–2018, 2018.
N. W. S. Agustini, D. Priadi, and R. V. Atika, “Profil Kimia dan Aktivitas Antibakteri Fraksi Aktif Nannochloropsis sp. sebagai Senyawa Penghambat Bakteri Penyebab Gangguan Kesehatan Mulut,” J. Pascapanen dan Bioteknol. Kelaut. dan Perikan., vol. 17, no. 1, p. 19, 2022, doi: 10.15578/jpbkp.v17i1.781.
S. F. Damanik, A. Wanto, and I. Gunawan, “Penerapan Algoritma Decision Tree C4.5 untuk Klasifikasi Tingkat Kesejahteraan Keluarga pada Desa Tiga Dolok,” J. Krisnadana, vol. 1, no. 2, pp. 21–32, 2022, doi: 10.58982/krisnadana.v1i2.108.
G. Abdurrahman, “Klasifikasi Kanker Payudara Menggunakan Algoritma SVM dengan Kernel RBF, Linier, dan Sigmoid,” JUSTIFY J. Sist. Inf. Ibrahimy, vol. 2, no. 1, pp. 74–80, 2023, doi: 10.35316/justify.v2i1.3370.
I. A. Ropikoh, R. Abdulhakim, U. Enri, and N. Sulistiyowati, “Penerapan Algoritma Support Vector Machine (SVM) untuk Klasifikasi Berita Hoax Covid-19,” J. Appl. Informatics Comput., vol. 5, no. 1, pp. 64–73, Jul. 2021, doi: 10.30871/jaic.v5i1.3167.
U. M. Pratiwi and M. Ibad, “Klasifikasi Faktor Yang Berpengaruh Dalam Kehamilan Tidak Diinginkan Menggunakan Metode Algoritma Decision Tree,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 3, no. 2, pp. 406–416, 2022, doi: 10.46306/lb.v3i2.129.
Y. Anggraiwan and B. Siregar, “Klasifikasi Harga Mobil Menggunakan Metode Decision Tree Algoritma C4.5,” Comput. J. Comput. Sci. Inf. Syst., vol. 6, no. 2, pp. 70–79, 2022, doi: 10.24912/computatio.v6i2.19994.
A. L. Rahmiyati, S. Anwar, G. Irianto, and A. D. Abdillah, “Sistem Manajemen Logistik Obat di Instalasi Farmasi Puskesmas Ciparay,” J. Kesehat. Kartika, vol. 17, no. 1, pp. 28–33, 2022.
E. F. Laili, Z. Alawi, R. Rohmah, and M. A. Barata, “Komparasi Algoritma Decision Tree Dan Support Vector Machine (Svm) Dalam Klasifikasi Serangan Jantung,” J. Sist. Inf. dan Inform., vol. 8, no. 1, pp. 67–76, 2025, doi: 10.47080/simika.v8i1.3683.
M. A. Barata, Edi Noersasongko, Purwanto, and Moch Arief Soeleman, “Improving the Accuracy of C4.5 Algorithm with Chi-Square Method on Pure Tea Classification Using Electronic Nose,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 7, no. 2, pp. 226–235, 2023, doi: 10.29207/resti.v7i2.4687.
C. Anam and H. B. Santoso, “Perbandingan Kinerja Algoritma C4.5 dan Naive Bayes untuk Klasifikasi Penerima Beasiswa,” J. Energy, vol. 8, no. 1, pp. 2088–4591, 2018.
F. Ma’arif and T. Arifin, “Optimasi Fitur Menggunakan Backward EliminationDan Algoritma SVM Untuk KlasifikasiKanker Payudara,” J. Inform., vol. 4, no. 1, pp. 46–53, 2017.
R. Resmiati and T. Arifin, “Klasifikasi Pasien Kanker Payudara Menggunakan Metode Support Vector Machine dengan Backward Elimination,” Sistemasi, vol. 10, no. 2, p. 381, 2021, doi: 10.32520/stmsi.v10i2.1238.
A. Ambarwari, Q. J. Adrian, and Y. Herdiyeni, “Analisis Pengaruh Data Scaling Terhadap Performa Algoritme Machine Learning untuk Identifikasi Tanaman,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 1, pp. 117–122, 2020.
DOI: http://dx.doi.org/10.26798/jiko.v9i3.2130
Article Metrics
Abstract view : 0 timesPDF (Bahasa Indonesia) - 0 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Ervina Putri Efendi, Mula Agung Barata, Aprilia Dwi Ardianti
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.